用于预测卡顿发生的神经网络模型的训练方法技术

本发明专利技术涉及一种用于预测卡顿发生的神经网络模型的训练方法，所述方法包括：获取设备的系统状态信息；基于所述系统状态信息，得到卡顿事件信息样本或流畅事件信息样本；将所述卡顿事件信息样本或流畅事件信息样本输入至系统优化神经网络模型中，得到预测结果，其中所述预测结果为一个概率值，概率值反映系统在未来一段时间内发生卡顿的可能性；基于所述预测结果反向传播算法训练所述系统优化神经网络模型。本技术可以使设备的响应速度明显提升，用户体验得到显著的增强，实现了设备性能的持续和全面提升。总体上，本技术为智能设备带来了更为流畅、高效且自适应的操作体验。

【技术实现步骤摘要】

本专利技术涉及系统优化领域，具体提供一种用于预测卡顿发生的神经网络模型的训练方法。

技术介绍

1、随着智能设备的崛起以及各个软件的臃肿，系统卡顿与否成为了影响智能设备使用体验的重要一环。

2、在现有技术中，多数方法主要依赖于传统的手工调整或基于规则的算法来避免或减少系统卡顿。但是这种方法往往不能全面地覆盖所有可能导致卡顿的情境，缺乏动态的、自适应的调整机制。造成设备的性能响应可能不尽如人意，无法真正达到持续、全面的优化效果。

3、相应地，本领域需要一种新的系统优化方案来解决上述问题。

技术实现思路

1、为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决技术问题中的系统优化过于片面性，缺乏动态的、自适应能力的问题。

2、在第一方面，本专利技术提供一种用于预测卡顿发生的神经网络模型的训练方法，所述方法包括：获取设备的系统状态信息；基于所述系统状态信息，得到卡顿事件信息样本或流畅事件信息样本；将所述卡顿事件信息样本或流畅事件信息样本输入至系统优化神经网络模型中，得到预本文档来自技高网...

【技术保护点】

1.一种用于预测卡顿发生的神经网络模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“基于所述系统状态信息，得到卡顿事件信息样本或流畅事件信息样本”，包括：

3.根据权利要求1所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“获取设备的系统状态信息”，包括：

4.根据权利要求1-3中任意一项所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“将所述卡顿事件信息样本或流畅事件信息样本输入至系统优化神经网络模型中，得到预测结果”，包括：

5.根据权利要求1-3...

【技术特征摘要】

1.一种用于预测卡顿发生的神经网络模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“基于所述系统状态信息，得到卡顿事件信息样本或流畅事件信息样本”，包括：

3.根据权利要求1所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“获取设备的系统状态信息”，包括：

4.根据权利要求1-3中任意一项所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，“将所述卡顿事件信息样本或流畅事件信息样本输入至系统优化神经网络模型中，得到预测结果”，包括：

5.根据权利要求1-3中任意一项所述的用于预测卡顿发生的神经网络模型的训练方法，其特征在于，所述系统状态信息至少包括：硬件使用状态信息、应用进程信息或用户交互信息其中的一种。

6.根据权利要求5...

【专利技术属性】
技术研发人员：林楚然，
申请(专利权)人：蔚来移动科技有限公司，
类型：发明
国别省市：